“Aplikasi dan Game Developer” merupakan subsektor ekonomi kreatif
yang sedang mengalami pertumbuhan pesat dan menunjukkan potensi bisnis besar
terhadap perekonomian dunia. Di antara para pelakunya, ada pengembang indie
(independen), yang memiliki keterbatasan sumber daya dan sangat bergantung pada
jasa distribusi digital video game untuk menjual produknya. Platform distribusi
digital video game terbesar saat ini adalah Steam yang menyediakan fitur ulasan
produk online, yang mana dapat dijadikan acuan oleh para pengembang video game
guna mengembangkan video game-nya lebih baik.
Ulasan produk online cenderung berjumlah banyak dan beragam sehingga
menimbulkan tantangan bagi para pengembang indie video game untuk membaca
dan menganalisisnya secara manual. Oleh karena itu penelitian ini bertujuan untuk
menerapkan metode analisis berbasis machine learning guna memperoleh
informasi penting dari ulasan produk indie video game di Steam secara otomatis.
Metode yang digunakan dalam penelitian ini adalah sentiment analysis
dengan algoritma Naïve Bayes Classifier dan LDA-based topic modeling terhadap
data ulasan 24 indie video game lokal di Steam yang diperoleh menggunakan
metode text mining.
Penelitian ini menemukan bahwa sentimen positif dominan di antara ulasan
sebesar 69.8% dengan akurasi algoritma sebesar 75.45% dan nilai Kappa sebesar
0.454. Ulasan yang telah diproses mengandung sejumlah topik dominan dengan
istilah yang sering muncul berupa “story”, “character”, “music”, dan “art”, yang
diduga merupakan aspek-aspek video game yang mempengaruhi sentimen
pemainnya.
Peneliti selanjutnya disarankan untuk meningkatkan kualitas persiapan dan
pre-processing data yang akan digunakan, serta menerapkan algoritma machine
learning yang mampu mengklasifikasi teks ulasan online yang sangat kompleks
untuk memperoleh akurasi klasifikasi dan hasil analisis yang lebih baik.
Kata kunci: sentiment analysis, topic model, video game, machine learning, big
data, keputusan pembelian.